低復(fù)雜度最大比合并量化轉(zhuǎn)發(fā)協(xié)作方案

何 丹，包建榮，姜 斌，劉 超

(杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 310018)

低復(fù)雜度最大比合并量化轉(zhuǎn)發(fā)協(xié)作方案

何 丹，包建榮，姜 斌，劉 超

(杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 310018)

在不影響可靠性的前提下，為了降低量化轉(zhuǎn)發(fā)協(xié)作方案的復(fù)雜度，提出了基于低階調(diào)制和低階量化的量化轉(zhuǎn)發(fā)協(xié)作方案.其中，低階量化和調(diào)制降低了其復(fù)雜度，目的節(jié)點對中繼到目的節(jié)點和源到目的節(jié)點信息的最大比合并降低了系統(tǒng)的誤比特率.最后，基于二進制相移鍵控調(diào)制和低密度奇偶校驗碼信道編碼，仿真分析了1-bit和2-bit量化的誤比特率性能.結(jié)果表明，在誤比特率為10-2時，2-bit量化較譯碼轉(zhuǎn)發(fā)和1-bit量化分別有約3.5 dB和5 dB增益；在2-bit量化協(xié)議下，當誤碼率為10-3時，在源到中繼節(jié)點的歸一化距離為0.9時，較歸一化距離0.2的情況，有約6 dB增益.

量化轉(zhuǎn)發(fā)；低階量化；最大比合并；低密度奇偶校驗碼；誤比特率

0 引 言

在協(xié)作通信中，根據(jù)中繼節(jié)點對數(shù)據(jù)處理協(xié)議的不同主要分為放大轉(zhuǎn)發(fā)(Amplify-and-Forward，AF)協(xié)議、前向解碼(Decode-and-Forward，DF)協(xié)議和壓縮轉(zhuǎn)發(fā)(Compress-and-Forward，CF)協(xié)議等.基于DF協(xié)議的中繼系統(tǒng)在源到中繼節(jié)點鏈路質(zhì)量較差時，存在嚴重錯誤傳播，從而無法實現(xiàn)較好協(xié)同.針對DF協(xié)議的局限性，出現(xiàn)了CF協(xié)議.在CF協(xié)議中，中繼通過量化、壓縮并轉(zhuǎn)發(fā)接收信號至目的節(jié)點.CF協(xié)議相關(guān)研究主要分為兩類：由Wyner-Ziv編碼量化和壓縮中繼節(jié)點接收信號，在目的節(jié)點利用邊信息恢復(fù)源信號[1]；不考慮中繼和目的節(jié)點接收信息相關(guān)性，簡單量化中繼節(jié)點接收信息，即量化轉(zhuǎn)發(fā)(Quantize-and-Forward，QF)[2].QF協(xié)議不需復(fù)雜Wyner-Ziv編碼，只需簡單量化，大大減少了網(wǎng)絡(luò)間信息交換.鑒于QF協(xié)議的低復(fù)雜度特性，文獻[3]通過優(yōu)化設(shè)計去噪互信息保存量化器，得到與CF中繼系統(tǒng)相近的誤碼率(Bit Error Rate，BER)性能.在QF協(xié)議的基礎(chǔ)上，文獻[4]研究了基于漢明編碼的QF多中繼協(xié)作系統(tǒng)，發(fā)現(xiàn)其BER性能較編碼或未編碼AF中繼系統(tǒng)優(yōu)越，且其性能隨著量化階數(shù)的提高而不斷改善.由文獻[5-6]研究的調(diào)制階數(shù)和量化階數(shù)對QF協(xié)議的影響可知，隨著量化階數(shù)增長，其BER性能隨之提高，但計算復(fù)雜度也不斷增大.同時，隨著調(diào)制階數(shù)增大，其有效性得到了一定提高，但其可靠性也隨之降低.另外，QF方案已在多中繼和雙向中繼協(xié)作場景下得到應(yīng)用[7].本文在已有QF協(xié)議的研究基礎(chǔ)上，提出了一種低復(fù)雜度QF協(xié)作方案.方案基于低階調(diào)制和低階量化，如二進制鍵控(Binary Phase Shift Keying，BPSK)調(diào)制，1-bit和2-bit量化，目的節(jié)點將量化信息對數(shù)似然比(Likelihood Ratio，LLR)值與源到目的節(jié)點直傳鏈路信息的LLR值合并，避免了一般QF協(xié)議的量化信息檢測過程，一定程度上降低了其復(fù)雜度.

1 量化轉(zhuǎn)發(fā)方案

典型的三節(jié)點協(xié)同中繼模型包括1個源節(jié)點S、1個中繼節(jié)點R和1個目的節(jié)點D.每個節(jié)點僅有1根天線，且R沒有自己的信息要傳輸.通常，系統(tǒng)采用時分半雙工通信模式.在系統(tǒng)工作中，將單位傳輸時間分為2個時隙.根據(jù)上述假設(shè)，在第1時隙，源節(jié)點S將信號xs廣播給R和D，則D和R接收到的信號分別為：

(1)

(2)

在第2時隙，R處理接收到的信號后，將其發(fā)送到D.則D在第2時隙接收到的信號為：

基于上述描述的三節(jié)點模型，本文提出了一種低復(fù)雜度QF協(xié)議，其模型如圖1所示.其中，S將信息比特低密度奇偶校驗(Low-Density Parity-Check，LDPC)碼編碼，并將編碼調(diào)制后碼字廣播至R和D.R在接收到信息后不進行譯碼，僅對其標量量化，其量化符號個數(shù)取決于所選取量化階數(shù).將量化后的消息經(jīng)R-D鏈路發(fā)送到D.D接收到來自S-D鏈路和R-D鏈路的信息后最大比合并(Maximum Rate Combining，MRC).最后，執(zhí)行LDPC碼譯碼，恢復(fù)源信息比特.

圖1 QF協(xié)議模型

1.1 中繼節(jié)點量化

R需要對接收信號量化，因CF的Wyner-Ziv編碼有一定的困難和復(fù)雜性，故選用標量量化[8].令ys r為量化器的輸入信號，則量化器將ys r量化為二進制序列Qs r=(qs r,1,…,qs r,M)，即量化階數(shù)為2M.量化器設(shè)計目標即為在一定準則下確定最優(yōu)量化區(qū)間的邊界值B0,…,Bi,…,B2M.當Bi-1

Qs r=F(ys r)=Li,Bi-1

(4)

其中，F(xiàn)(·)為量化函數(shù).以2-bit量化為例，其對應(yīng)有3個門限和4種量化結(jié)果，即量化階數(shù)為4.量化區(qū)間的邊界值分別為B0，B1，B2，B3，B4.其量化準信息如下：當B0

由于信號的對稱性，有

B0=-∞，B4=∞,B2=0,B1=B3=B.

(5)

此時，只存在一個未知量B，可根據(jù)選取的量化準則獲得B的最優(yōu)值.

1.2 目的節(jié)點聯(lián)合譯碼

IT=Is+Ir.

(6)

對于ys d，其LLR計算與一般算法相同[9].對于信息符號xi，可得其LLR值為

Is=ln[p(xs,i=1|ys d,i)/p(xs,i=-1|ys d,i)].

(7)

(8)

其中，(Bi-1,Bi)為Li的所屬區(qū)間.

由xs到L的轉(zhuǎn)移概率函數(shù)為

(9)

若xs,i=-1且B0

(10)

根據(jù)式(10)計算可得所有量化信息的LLR值.以L1=00為例，其量化區(qū)間的邊界值為(B0,B1).根據(jù)式(8)-(10)，得其LLR值為：

(11)

其余3種情況可分別用上述方法計算LLR值.由式(11)可知，各量化區(qū)間的LLR值可分別由其對應(yīng)量化區(qū)間的邊界值計算得出.而1-bit量化處理類似，在此不再贅述.

2 數(shù)值仿真分析

圖2 QF方案的BER性能

本文主要針對上述三節(jié)點協(xié)作通信場景開展仿真.假設(shè)各信道為獨立瑞利衰落信道，其AWGN均相等，調(diào)制方式為BPSK.針對圖1所示的QF協(xié)議模型，首先構(gòu)造規(guī)則LDPC-1和LDPC-2碼，其碼率均為1/2，碼長分別為1 000，4 000.運用本文提出的量化轉(zhuǎn)發(fā)協(xié)作方案，處理R接收信號.D在接收到S-D和R-D鏈路的信息后，分別計算各自的LLR值后，合并作為D處LDPC-1譯碼器的輸入.由于在1-bit量化中，源節(jié)點編碼后所得比特和中繼節(jié)點量化所得比特相等，故使用相同的LDPC-1編碼.而在2-bit量化中，R量化后碼字變?yōu)樵瓉淼?倍，故使用LDPC-2編碼.對于標量量化，在三節(jié)點等距離的情況下，得到的1-bit和2-bit量化的BER性能如圖2所示.

圖3 不同S-R距離下的QF協(xié)議BER性能

由圖2可以看出，本文所提2-bit量化方案較1-bit量化和DF協(xié)議均有更好BER性能.在BER為10-2時，分別有約5dB和3.5dB的增益.而1-bit量化轉(zhuǎn)發(fā)協(xié)議不如DF協(xié)議，這是因為1-bit量化協(xié)議相當于在中繼節(jié)點硬判決，而DF協(xié)議在中繼節(jié)點進行軟譯碼，故其性能不如DF協(xié)議.一般來說，高階量化的BER性能要好于低階量化，但同時，其計算復(fù)雜度也大大增加.如在量化區(qū)間的邊界值計算時，2-bit量化需要計算1個量化區(qū)間的邊界值，1-bit量化則不需要，其值就為0，而3-bit量化則需要計算3個量化區(qū)間的邊界值，以此類推；若R-D鏈路進行信道編碼，量化階數(shù)越高，則需要的糾錯碼字越長，而其編譯碼復(fù)雜度與碼長成正比；目的節(jié)點計算1位量化信息LLR值時，1-bit量化只需1次乘法運算，2-bit量化需2次加法和1次乘法運算，而3-bit量化則需6次加法和1次乘法運算，以此類推.由此可得，高階量化BER性能的提高，是以高計算復(fù)雜度為代價實現(xiàn)的.

針對本文提出的低復(fù)雜度QF方案，在S到D的距離歸一化模型中，QF在不同S-R距離下，得到的的BER性能如圖3所示.

由圖3可以看出，隨著S-R距離增大，即R-D距離不斷減小，基于QF的協(xié)作系統(tǒng)的BER性能不斷提升.在各種S-R距離下，2-bit較1-bit量化均有更好的BER性能.當d=0.9，在BER=10-5處，2-bit量化較1-bit量化有約5dB的增益.在2-bit量化協(xié)議下，當BER=10-3時，d=0.9較d=0.2情況有約6dB增益.原因為QF協(xié)議對中繼接收信息量化處理，因未執(zhí)行硬判決，從而避免了錯誤傳播和信息丟失.而且，量化也使中繼接收信息盡量多的發(fā)到目的節(jié)點.當R-D距離較近時，發(fā)生錯誤的概率越小，其BER性能也越好.因量化信息的LLR值可由完整的量化區(qū)間計算得到，所以，系統(tǒng)性能可以進一步提高.另外，QF協(xié)作協(xié)議的中斷性能分析已在文獻[10]給出，而本文所提方案也有類似結(jié)果.

3 結(jié)束語

本文基于現(xiàn)有的CF，QF和DF協(xié)議原理，提出了一種低復(fù)雜度QF協(xié)議.方案僅基于低階調(diào)制和低階量化，就實現(xiàn)了較低復(fù)雜度的中繼協(xié)作.由于本方案具有復(fù)雜度低等優(yōu)勢，易推廣到多中繼場景.對于全雙工協(xié)作傳輸系統(tǒng)，其分析方法與上述類似，故不再重復(fù).在實際應(yīng)用中，本信道編碼可構(gòu)造性能更好的不規(guī)則長碼，從而獲得更優(yōu)誤碼性能.

[1]LIUZ,STANKOVICV,XIONGZ.Wyner-Zivcodingforthehalf-duplexrelaychannel[C]//IEEEInternationalConferenceonAcoustics,Speech,andSignalProcessing, 2005.Proceedings.IEEE, 2005:1113-1116.

[2]CHAKRABARTIA,SABHARWALA,AAZHANGB.Practicalquantizerdesignforhalf-duplexestimate-and-forwardrelaying[J].Communications,IEEETransactionson, 2011, 59(1): 74-83.

[3]LIUL,LIY,SUYP,etal.Quantize-and-forwardstrategyforinterleave-divisionmultiple-accessrelaychannel[J].VehicularTechnology,IEEETransactionson, 2016, 65(3): 1808-1814.

[4]KURNIAR.Hammingcodingformulti-relaycooperativequantizeandforwardnetworks[C]//Region10Symposium(TENSYMP).IEEE, 2016: 321-325.

[5]SOURYALMR,YOUH.Quantize-and-forwardrelayingwithM-aryphaseshiftkeying[C]//2008IEEEWirelessCommunicationsandNetworkingConference.IEEE, 2008: 42-47.

[6]TRANDT,SUNS,KURNIAWANE.ALow-ComplexityPracticalQuantize-and-ForwardSchemeforTwo-HopRelaySystems[C]//VehicularTechnologyConference(VTCSpring), 2012IEEE75th.Ieee, 2012: 1-5.

[7]HEINDLMAIERM,ISCANO,ROSANKAC.Scalarquantize-and-forwardforsymmetrichalf-duplextwo-wayrelaychannels[C]//InformationTheoryProceedings(ISIT), 2013IEEEInternationalSymposiumon.IEEE, 2013: 1322-1326.

[8]DOHLERM,LIYH.協(xié)作通信：物理層、信道模型和系統(tǒng)實現(xiàn)[M].孫卓，趙慧，彭岳星，譯.北京：機械工業(yè)出版社，2011:189-193.

[9]袁東風(fēng)，張海剛.LDPC理論與應(yīng)用[M].北京：人民郵電出版社，2008:72-80.

A Low Complexity Quantize-and-forward Cooperative Strategy Based on Maximum Ratio Combining

HE Dan, BAO Jianrong, JIANG Bin, LIU Chao

(SchoolofCommunicationEngineering,HangzhouDianziUniversity,HangzhouZhejiang310018,China)

To reduce the complexity of the relay system without compromising reliability, a low complexity quantize-and-forward(QF) strategy based on low order modulation and quantization is proposed. Since low order quantization and modulation are adopted, the complexity of the strategy can be greatly reduced. At the destination node, messages from source-destination and source-relay-destination links are performed by maximum ratio combining(MRC) to recover the original information, which can effectively reduce the bit error rate(BER). Finally, with binary phase shift keying(BPSK) modulation and low-density parity-check(LDPC) coding, the BERs of the strategies of 1-bit and 2-bit quantization are simulated. Simulation results indicate that the 2-bit QF achieves about 3.5 dB and 5 dB additional performance gains than the decode-and-forward(DF) and the 1-bit QF at BER of 10-2, respectively. Moreover, in the 2-bit QF, if the distance between the source and destination node is normalized to 1, and the distance between the source and relay node are 0.9 and 0.2, respectively, the former has about 6 dB additional gains than the latter at BER of 10-3.

quantize-and-forward; low order quantization; maximum ratio combining; low-density parity-check code; bit error rate

10.13954/j.cnki.hdu.2017.01.009

2016-09-13

國家自然科學(xué)基金資助項目(61471152)；浙江省自然科學(xué)基金資助項目(LZ14F010003)

何丹(1991-)，女，江西宜春人，碩士研究生，無線協(xié)作通信.通信作者：包建榮副教授，E-mail: baojr@hdu.edu.cn.

TN911.22

A

1001-9146(2017)01-0037-04